深入理解Python中的装饰器模式
在现代编程中，代码的可读性、可维护性和复用性是至关重要的。Python作为一种高级编程语言，提供了许多特性来帮助开发者编写高效且优雅的代码。其中，装饰器（Decorator）是一个非常强大且灵活的工具，它允许我们在不修改原函数的情况下，动态地为函数添加新的功能。本文将深入探讨Python中的装饰器模式，并通过实际代码示例展示其应用。
什么是装饰器？
装饰器本质上是一个接受函数作为参数并返回新函数的高阶函数。它可以在不改变原函数代码的情况下，为其添加额外的功能。装饰器通常用于日志记录、性能监控、权限验证等场景。
基本语法
Python中的装饰器可以通过@符号来使用。例如：
def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper@my_decoratordef say_hello(): print("Hello!")say_hello()输出结果为：
Something is happening before the function is called.Hello!Something is happening after the function is called.在这个例子中，my_decorator 是一个装饰器函数，它接收 say_hello 函数作为参数，并返回一个新的函数 wrapper。当我们调用 say_hello() 时，实际上是调用了 wrapper()，从而在执行 say_hello 的前后分别打印了两条消息。
带参数的装饰器
有时候我们希望装饰器能够接受参数，以实现更灵活的功能。为此，我们需要再嵌套一层函数。例如：
def repeat(num_times): def decorator_repeat(func): def wrapper(*args, **kwargs): for _ in range(num_times): result = func(*args, **kwargs) return result return wrapper return decorator_repeat@repeat(num_times=3)def greet(name): print(f"Hello {name}")greet("Alice")输出结果为：
Hello AliceHello AliceHello Alice在这个例子中，repeat 是一个带参数的装饰器，它接收 num_times 作为参数，并返回一个真正的装饰器 decorator_repeat。这个装饰器会在调用 greet 函数时重复执行指定次数。
类装饰器
除了函数装饰器，Python还支持类装饰器。类装饰器可以用来修饰类本身，而不是类的方法。类装饰器通常用于对类的行为进行增强或修改。例如：
class CountCalls: def __init__(self, func): self.func = func self.num_calls = 0 def __call__(self, *args, **kwargs): self.num_calls += 1 print(f"Call {self.num_calls} of {self.func.__name__!r}") return self.func(*args, **kwargs)@CountCallsdef say_goodbye(): print("Goodbye!")say_goodbye()say_goodbye()输出结果为：
Call 1 of 'say_goodbye'Goodbye!Call 2 of 'say_goodbye'Goodbye!在这个例子中，CountCalls 是一个类装饰器，它记录了 say_goodbye 函数被调用的次数，并在每次调用时打印出来。
装饰器的实际应用场景
日志记录
日志记录是开发过程中不可或缺的一部分。通过装饰器，我们可以轻松地为函数添加日志记录功能，而无需修改函数本身的逻辑。例如：
import logginglogging.basicConfig(level=logging.INFO)def log_execution(func): def wrapper(*args, **kwargs): logging.info(f"Calling {func.__name__} with args: {args}, kwargs: {kwargs}") result = func(*args, **kwargs) logging.info(f"{func.__name__} returned {result}") return result return wrapper@log_executiondef add(a, b): return a + badd(3, 4)输出结果为：
INFO:root:Calling add with args: (3, 4), kwargs: {}INFO:root:add returned 7性能监控
性能监控可以帮助我们了解函数的执行时间，从而优化代码。通过装饰器，我们可以方便地测量函数的运行时间。例如：
import timedef timing_decorator(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() execution_time = end_time - start_time print(f"{func.__name__} executed in {execution_time:.4f} seconds") return result return wrapper@timing_decoratordef slow_function(): time.sleep(2)slow_function()输出结果为：
slow_function executed in 2.0012 seconds权限验证
在Web开发中，权限验证是一个常见的需求。通过装饰器，我们可以轻松地为视图函数添加权限验证逻辑。例如：
from functools import wrapsdef require_admin(func): @wraps(func) def wrapper(user, *args, **kwargs): if not user.is_admin: raise PermissionError("Admin privileges required") return func(user, *args, **kwargs) return wrapperclass User: def __init__(self, name, is_admin=False): self.name = name self.is_admin = is_admin@require_admindef admin_dashboard(user): print(f"Welcome to the admin dashboard, {user.name}!")user1 = User("Alice", is_admin=True)user2 = User("Bob")admin_dashboard(user1) # 正常访问# admin_dashboard(user2) # 抛出 PermissionError总结
装饰器是Python中一种强大的工具，它使得代码更加简洁和模块化。通过装饰器，我们可以在不修改原函数代码的情况下，动态地为函数添加新的功能。本文介绍了装饰器的基本概念、语法以及一些实际应用场景，包括日志记录、性能监控和权限验证。掌握装饰器的使用方法，将有助于提高代码的可读性和可维护性，使我们的程序更加健壮和高效。
希望这篇文章能够帮助你更好地理解Python中的装饰器模式。如果你有任何问题或建议，请随时留言讨论！
